GM(1,1)模型在高速铁路桥墩沉降监测中的应用

详细地介绍了GM(1,1)模型及模型精度评定,利用GM(1,1)灰色模型对某区段高速铁路的桥墩沉降进行预测,将预测结果进行分析,分析表明GM(1,1)灰色模型能较好地预测该段高速铁路桥墩的沉降趋势。     

基于改进灰色模型的东北地区铁路货运量预测

铁路货运量预测在国家和区域经济发展规划中具有十分重要的作用。灰色GM(1,1)预测模型被广泛应用于铁路货运量预测研究中。本文在建立灰色GM(1,1)模型的基础上,采用更符合东北地区经济发展态势的改进灰色模型——新陈代谢GM(1,1)模型对东北地区2006—2011年铁路货运量进行预测。通过对原始数据与预测数据的精度检验后发现:新陈代谢GM(1,1)模型满足四种精度检验要求,符合一级预测标准并适合中长期预测,适合于东北地区铁路货运量的预测研究。最后应用新模型预测2012—2015年东北地区的铁路货运量,使得预测数据更加合理化。与灰色预测的基本模型相比,改进的预测模型具有较好的实用价值。观察预测数据发现东北地区货运量呈单调递增趋势,有良好的发展态势。     

深基坑开挖变形的灰色马尔科夫链预测方法

基于灰色马尔科夫链理论,提出了深基坑开挖变形灰色马尔科夫链预测方法,建立了用于变形预测的新陈代谢GM(1,1)模型和灰色马尔科夫链模型.研究结果表明:这2种模型的预测精度都可以满足施工期预测要求,灰色马尔科夫链模型的各项指标均优于新陈代谢GM(1,1)模型.该结果对同类研究具有一定参考价值.     

灰色理论在水平冻结施工隧道盾构到达洞门时地表沉降预测中的应用

盾构隧道施工中,提前预知盾构影响范围内的地表沉降对指导信息化安全施工具有重要意义.根据实测沉降数据,应用灰色系统原理和方法,通过改进常规 GM(1,1)模型建立灰色新陈代谢 GM(1,1)盾构始发水平冻结洞门的地表沉降预测模型.分析结果表明:相比常规 GM(1,1)模型,新陈代谢GM(1,1)模型能够明显提高预测精度,相对误差最大只有9.65%;对于盾构前进和冻胀—融沉造成地表变形,新陈代谢模型均能准确预测;在盾构由一个阶段向另一个阶段过渡或者施工环境发生突变时,结合新陈代谢模型预测结果和具体的施工环境,不断修正预测模型,预测结果更科学有效,预测值也更接近实际地表变形.     

基于小波灰色GM(1,1)模型的货运量预测研究

基于铁路运输货运量的预测对铁路运输发展战略的制定以及铁路运输设施效益的提高有着重要的意义,为提高铁路货运量的预测精度,通过利用小波降噪分析法,消除实验数据存在的噪声,提高原始序列的光滑度,在此基础上对新生成的序列应用灰色GM(1,1)模型进行预测。用此模型对1990~2014年铁路货运量进行验证,研究结果表明:改进后的模型相比于直接应用灰色GM(1,1)模型预测得到的结果精度更高,其拟合效果更好。     

基于灰色GM(1,1)残差修正模型的动车组故障率预测

以某分析类别动车组百万公里故障数据为基础,研究建立了基于灰色GM(1,1)残差修正模型的动车组百万公里故障率预测模型.在优化模型中背景值的基础上,对残差进行修正,用t-3,t-2,t-1时刻的残差构造输入数据,t时刻的残差作为输出数据,用支持向量回归机对残差进行拟合,采用等维信息灰色GM(1,1)模型对建模数据进行更新...     

投标报价基于GM(1,1)灰色动态模型的主材价格预测

在建设工程中,建筑材料的价格是随时变化的。在工程投标报价时,如何准确预测主材价格,是施工企业研究的主题。此文基于灰色系统理论,通过建立GM(1,1)灰色预测模型,对工程主要材料(钢筋)的价格进行分析与预测,并以实际工程为例进行验证,证明基于建立的GM(1,1)灰色动态模型预测钢筋价格,精度较高、效果较好,可为工程投标和施工采购钢筋提供有益参考。     

基于等维灰数递补模型的软弱围岩隧道变形预测

结合隧道掘进施工以及变形监测的实际情况,利用灰色预测理论中的GM(1,1)模型,采用等维灰数递补数据处理技术建立等维灰数递补GM(1,1)模型来对灰色GM(1,1)模型进行改进,并结合工程实例中的变形实测数据进行验证.结果表明:修正模型的建立所需数据少,计算方法简单易行,而且预测值精度明显提高;灰色建模的数据取样越接近预测点,则得到的模型预测值越接近实际值,一般4次预测值的结果基本接近于实测值,该模型能更真实地反映软弱围岩隧道的变形规律.     

PSO优化的高速列车轴温灰色预测模型

轴承温度预测是保障高速列车安全运行的重要手段。考虑到GM(1,1)模型建模机理存在着一定的缺陷,以及对建模数据有一定的单调性要求,对呈现较大波动的数据序列预测结果不太理想的问题。在GM(1,1)预测模型的基础上,提出了一种粒子群算法(PSO)优化的灰色预测方法。利用多项式对GM(1,1)模型进行修正,重构灰色模型的时间响应序列,再利用粒子群算法对重构模型进行求解,并据此构建了一种高速列车轴温预测模型。以高速列车实际轴温数据对模型进行验证,验证结果表明:模型相较于GM(1,1)模型的预测精度有明显的提高,其中5min预测的平均绝对误差由6℃降低到5℃,降幅为16.7%。平均相对误差由9.1%降到了7.8%,降幅为14.3%;最大绝对误差由20℃降低到18.6℃,降幅为7%。预测误差的方差由24.6降低到了20.6,降幅为16.3%,表明误差分布更加集中。     

GM(1,1)模型与指数模型在基桩沉降预测中的应用

以某大型基桩的沉降预测为例,利用灰色系统理论的GM(1,1)与Aeax曲线模型进行基桩在外荷载作用下沉降量的预测。结果表明:两种模型对于呈指数变化规律的系统能获得较好的预测结果;两种模型对基桩累计沉降的预测符合工程实际,对各级荷载作用下的本级沉降预测不够合理。对两种模型关系的研究表明,两者有内在联系,都属指数曲线预测模型,且指数曲线Aeax预测模型比GM(1,1)模型应用起来更简单,方便。     

灰色预测法在城轨客流预测中的应用

选择灰色系统理论对城市轨道交通客流进行预测.此方法利用城市轨道交通客流量历史数据建立GM(1,1)模型群,对模型群中的各个模型进行精度检验,选取其中精度较高的模型对客流进行预测.     

基于灰色理论的列车自动运行系统预测模块优化算法

灰色理论在可改进ATO(列车自动运行)速度控制器的算法方面具有可行性和优越性。灰色系统模型主要分为预测模型和决策模型。介绍了传统GM(1,1)灰色预测模型的建立过程,阐述了优化GM(1,1)模型的计算流程和计算过程,并利用实际线路数据检验了优化后的预测模型。检验结果表明,通过优化后的预测模型得到的预测结果平均相对误差小,预测精度高;且同时改进权重系数和初始条件时,预测结果更精确。     

哈大客运专线桥梁墩台沉降观测与预测

研究目的:以哈大客运专线运粮河特大桥墩台沉降观测为背景,介绍运粮河特大桥沉降观测的技术要求与观测方法;采用曲线拟合法综合分析了桥梁墩台的沉降变形趋势,运用灰色系统的新陈代谢GM(1,1)模型建立累积沉降的预测模型,来分析桥梁墩、台的沉降量,掌握其变形规律.研究结论:通过对哈大客运专线运量河特大桥墩台沉降观测数据进行的分析与评估,采用曲线拟合法分析其沉降变形趋势,运用灰色系统模型对桥梁墩台进行预测,得出以下结论:桥梁墩台的沉降已经渐渐趋于稳定,运用灰色系统的新陈代谢GM(1,1)模型建立累积沉降的预测模型,预测结果表明该模型精度较高,可以用于累积沉降的预测.     

基于周期时变特点的城市轨道交通短期客流预测研究

分析了城市轨道交通客流的周期时变性特征,并根据该特征在GM(1,1)灰色预测模型的基础上改进了马尔科夫算法,以适用于城市轨道交通短期客流预测。用无偏GM(1,1)模型拟合系统的发展变化趋势,再以此为基础进行了马尔科夫链预测,并采用多转移矩阵排除客流数据中噪声数据的扰动。试验结果表明,改进后的模型在城市轨道交通客流短期预测中具有良好的精确性。     

基于灰色预测模型的快递行业市场需求预测

随着高铁快递业务增长和市场竞争进一步加剧,高铁快递捎货模式的不足逐渐凸显。为创新高铁快递运输组织模式,提升高铁快递市场竞争力,有必要对快递行业市场需求进行预测。本文基于灰色预测模型对快递行业市场需求进行预测,采用灰色GM(1,1)模型计算了快递业务量,与ARIMA模型和指数平滑法预测得到的结果进行比较,并结合近几年全国快递业务量对2016至2020年快递运量做出了预测。结果表明,灰色GM(1,1)预测模型具有较高的预测精度,是一种非常实用的预测方法。     

基于灰色系统理论的铁路客运专线路基沉降预测

基于灰色预测模型GM（1,1）模型、离散灰色预测DGM（1,1）模型和非线形离散灰色预测NLFDGM（1,1）模型,采用FORTRAN语言,编制了路基沉降预测程序GREYMODEL。将该程序应用于铁路客运专线路基典型断面沉降预测,并与实测结果进行对比。结果表明：DGM（1,1）模型作为GM（1,1）模型的离散形式,两种模型的预测结果比较接近,短期预测精度高,中长期预测精度低;结合等维信息建模,非线形离散灰色预测NLFDGM（1,1）模型具有极高的精度和稳定性,在路基沉降预测中推荐使用;并提出了若干关于提高灰色模型预测稳定性和精度的建议。     

基于FPSO灰色Verhulst模型的铁路货运量预测

为提高灰色Verhulst模型的预测精度,采用粒子群算法对灰色Verhulst模型的参数值进行优化,利用滑动窗对原始数据序列进行动态更新,使用Fourier序列修正模型的误差,提出FPSO灰色Verhulst模型预测铁路货运量的方法。以平均绝对误差、均方根误差、平均相对误差为评价指标,采用传统灰色Verhulst模型、GM(1,1)、径向基神经网络、FPSO灰色Verhulst模型分别对具有增长趋势、摆动发展以及交叉发展趋势的铁路货运量进行预测。结果表明,FPSO灰色Verhulst模型能更好地反映铁路运输过程中的突变因素,是一种减少误差、充分利用新生数据、提高预测精度的有效方法。     

基于GM—周期扩展组合模型的铁路客运量预测

铁路客运量的准确预测对我国铁路建设项目投资和决策具有重要意义。由于铁路客运量预测系统本身是一个信息不完全的灰色系统,因此,可以通过建立(灰色)GM-周期扩展组合模型对铁路客运量的非线性动态变化进行预测。该模型运用灰色预测理论GM(1,1)与周期扩展模型结合,不但可以进行客运量的趋势预测,同时也可以充分考虑铁路客运量的周期波动性这一特征。最后,结合具体的实例验证说明该模型是科学合理的,预测值与实际值较吻合。     

优化GM(1,1)与SVM组合模型的路基冻胀预测应用

基于非等时距GM(1,1)优化预测模型,采用支持向量机进行预测残差修正,建立一种组合预测算法,并运用该算法对铁路路基冻胀进行定量预测。对经典非等时距GM(1,1)模型背景值和初值的计算方法进行优化,同时设置时距权值矩阵,对不同时间测量所得数据赋予不同权重。在初始预测后,对残差值采用支持向量机进行非线性修正,得到最终预测值。选取哈大客专某区段实际测量路基冻胀数据,对算法实用效果进行检验。所建立预测模型平均预测误差值为2.039%,最大预测误差5.911%,后验证差比值0.005,各项指标均优于单一灰色模型与文献[6]中建立的组合预测模型,实现了对铁路路基冻胀的较高精度定量预测。     

灰色预测在大跨径刚构桥施工线形监控中的应用

灰色系统理论因其重点研究"小样本、贫信息、部分已知"的问题,与桥梁施工监控领域的特征及需求十分吻合,成为桥梁施工监控工作中使用的主要方法之一.基于灰色系统理论中灰色预测方法,建立了一大跨径刚构桥悬臂浇筑施工主梁线形抛高值的GM(1,1)预测模型,以该桥某节段施工过程为例,利用灰色模型对节段抛高值进行预测,并与实测数据进行对比,分析了预测精度及其影响因素.灰色预测在该桥施工线形监控过程中得到了较好地应用,其使用方法简单、操作性强、预测精度高,对其他同类型桥梁的施工监控工作有很好的参考价值.